Настало время оптимизации алгоритма «Парного трейдинга». Прошлые наблюдения давали много ложных сигналов. Сократить их помогут скользящие средние. Мы построим z-оценку по спреду цен пары, сглаженному скользящими средними. Бэктестинг будем проводить в Quantopian, а весь код напишем на Python.

Рассмотрим разницу сигналов по z-оценке:

• Спред цен.
• Спред доходности.
• Скользящие средние на спреде цен.
• Скользящие средние на спреде доходности.

Торговля один раз в день, это хорошо для комиссий. Но не пропускаем ли мы колебания цен, на которых можно заработать? Для проверки уменьшим таймфреймы и увеличим частоту проверки сигналов.

Проверять будем на 15, 30 и 60 минутных периодах. Торговать будем ранее найденными парами. Все проверяем на Quantopian, а код пишем на Python.

Рассмотрим проблемы выбора основы для построения сигнальной линии в стратегии «Парного трейдинга». Есть два возможных варианта: спред цен или спред доходности. 

В статье мы рассмотрим, как улучшить результаты автоматического поиска пар для стратегии «Парного трейдинга». А также выясним, как решить проблему, когда пара перестает работать и сразу начинает приносить убытки. Дополнительно, получим полноценный автоматический поиск, чтобы не приходилось отсматривать пары вручную.

Найденные пары проверим на дневной истории. А в следующий раз на часовой.

В этой статье мы проведем тестирование стратегии «Парного трейдинга» на платформе Quantopian. В тестах будут использованы пары, найденные с помощью автоматических алгоритмов, описанных в предыдущих статьях. Код будет написан на Python.

Это заключительная статья по автоматическому поиску пар для «Парного трейдинга» с помощью Python. Способ самый быстрый и самый эффективный. Хотя эффективность достигается уже благодаря анализу полученного набора пар.

В прошлой статье мы рассмотрели первый способ поиска пар для стратегии «Парного трейдинга», который работал относительно быстро, но результаты требовали тщательной обработки напильником. То есть дополнительной визуальной проверки графиков для выбора подходящих кандидатов.

В этот раз мы рассмотрим метод поиска коинтеграции (подробнее здесь) по методу Дики-Фуллера.

Первый из трех способов автоматического поиска пар на Python для торговли по стратегии «Парного трейдинга». Исходя из результатов предыдущей статьи, во всех примерах мы будем использовать только поиск коинтеграции.

Кратко о «Парном трейдинге»: в основе стратегии лежит предположение, что есть две акции, которые имеют глубокую экономическую связь друг с другом, и их цена движется в одном направлении с разной скоростью. Когда отстает акция А, мы ее покупаем и одновременно продаем в короткую акцию Б. И наоборот.

Используем дневные цены закрытия, отрегулированные на дивиденды и сплиты. Вы можете скачать бесплатную историю дневных цен с Quandl.

Стратегия парного трейдинга очень популярна на рынке. Она основана на чистой статистике, что делает ее привлекательной для алгоритмической торговли. Общий смысл сводится к нескольким шагам: найти пару, проверить ее поведение, определить границы входа в позицию и направление (лонг/шорт).

Пары ищут с помощью корреляции, но корреляция в чистом виде может сослужить плохую службу. Спред пар должен быть стационарным и обладать коинтегрированностью. Весь представленный код на Python.

В статье рассмотрены:

• Введение в корреляцию/коинтеграцию на простом примере.
• Корреляция без коинтеграции.
• Коинтеграция без корреляции. 

Индикатор ATR (Average True Range) показывает среднюю величину изменения цены внутри дня за указанный период. Отлично подходит для выбора уровней стопов. Также индикатор показывает рост волатильности в активе, когда сохраняет высокие значения.

Работаем на Quantopian (см. сюда), код пишем на Python. Проверяем стратегии:

• Как есть.
• Фильтр по SMA200.
• Торговля в двух направлениях.
• Аналог стоп-приказа.
• Фильтр по объему.